MCMC für Modellvergleich
MCMC für Modellvergleich nutzt Markov-Chain-Monte-Carlo-Algorithmen zur Schätzung der marginalen Likelihoods und Bayes-Faktoren, die für den formalen Vergleich konkurrierender statistischer Modelle benötigt werden. Techniken wie reversible-Jump-MCMC und Bridge Sampling ermöglichen die Exploration von Modellräumen unterschiedlicher Dimensionalität und ermöglichen vollständig bayesianische Modellauswahl und -mittelung.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Green, P. J. (1995). Reversible jump Markov chain Monte Carlo computation and Bayesian model determination. Biometrika, 82(4), 711–732. DOI: 10.1093/biomet/82.4.711 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/de/bayesian/mcmc-for-model-comparison
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Approximate Bayesian ComputationSimulation↔ compare
- Bayesian Model AveragingBayes-Statistik↔ compare
- Gibbs-SamplingBayes-Statistik↔ compare
- Hamiltonian Monte CarloBayes-Statistik↔ compare
- Markov-Kette Monte Carlo (MCMC)Bayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →